Alfresco AI Framework — это надежная платформа, предназначенная для интеграции возможностей искусственного интеллекта в Alfresco с использованием Java и Spring AI. Он предоставляет набор инструментов и услуг для обработки, анализа и улучшения содержимого документов в Alfresco с использованием моделей искусственного интеллекта и машинного обучения.
Примечание . В этом проекте используется версия Spring AI SNAPSHOT, поскольку финальная версия еще не доступна.
ай-раг-фреймворк :
REST API, созданный на основе Spring AI, для добавления документов в модель генеративного ИИ (GenAI) и предоставления службы чата с расширенной генерацией (RAG).
альфреско-ai-синхронизация :
Служба, созданная на основе Alfresco Java SDK, которая извлекает документы из репозитория Alfresco и помещает их в векторную базу данных через API ai-rag-framework
.
ai-rag-framework
на свежем воздухе-ai-ui :
Пользовательский интерфейс, построенный на основе Alfresco ADF для взаимодействия с чат-службой RAG, предоставляемой ai-rag-framework
.
ai-rag-framework
должна быть запущена.alfresco-docker : Контейнерно-ориентированное развертывание Alfresco Community 23.3.
Эта серия руководств познакомит вас с ключевыми функциями проекта, включая прием данных, интеграцию чата и общую работу системы.
В этой лабораторной работе вы узнаете, как заполнить базу данных векторов (Elasticsearch) выбранным содержимым из базы знаний, хранящейся в Alfresco. Это включает в себя извлечение векторов из контента с использованием модуля внедрения nomic-embed-text
через Ollama.
Начните лабораторную работу, выполнив Лабораторную работу 1: Трубопровод приема.
В этой лабораторной работе основное внимание уделяется включению функций чата с помощью LLM qwen2.5
через Ollama с использованием приложений пользовательского интерфейса Alfresco, таких как Share и ADF. Этот процесс включает в себя преобразование приглашения пользователя в векторы с использованием модуля внедрения nomic-embed-text
через Ollama, а затем поиск соответствующего контента в базе данных векторов (Elasticsearch). Полученный текст используется для предоставления контекста LLM , что помогает генерировать более точные ответы.
Начните эту лабораторную работу, выполнив Лабораторную работу 2: Функциональность чата.
В ходе этой лабораторной работы вы интегрируете все компоненты (функции приема и чата) с действующим репозиторием Alfresco. Система будет автоматически обновлять базу данных векторов при появлении изменений в репозитории, устраняя необходимость ручного вмешательства.
Вы можете начать эту лабораторную работу, выполнив Лабораторную работу 3: Совместное использование всех компонентов.
Этот проект распространяется по лицензии Apache License 2.0. Подробности смотрите в файле ЛИЦЕНЗИИ.
Особая благодарность командам Alfresco и Hyland за их постоянную поддержку и вклад в инициативы с открытым исходным кодом в области управления контентом и искусственного интеллекта.